CN114296444A - 基于蚁群算法的栅格路径规划方法、系统、设备和存储介质 - Google Patents

Abstract

本发明提供了基于蚁群算法的栅格路径规划方法、系统、设备和存储介质，给蚂蚁提供周围障碍点的信息，以提高蚁群搜索路径节点的效率，避免无效搜索，同时在蚁群一次搜索得到最优路径后，利用模拟退火算法在此次最优路径节点集合中随机取一个点添加扰动，判断新路径是否优于原始路径，并以Mertopolis接受准则接受一部分差于原始解的节点，有效的避免了蚁群陷入局部最优的情况，在蚁群得到八邻域最优路径解之后，判断不相邻两节点是否可视，若可视则连接两节点并更新路径点集合，减少八邻域节点搜索导致的路径弯折损耗，得到更短更平滑的搜索结果，本申请更加适应复杂环境下的路径寻优，算法前距离更短、时间也更少，性能大大提高。

Description

基于蚁群算法的栅格路径规划方法、系统、设备和存储介质

技术领域

本发明涉及复杂栅格地图路径寻优，具体涉及基于蚁群算法的栅格路 径规划方法、系统、设备和存储介质。

背景技术

路径规划是指在给定地图上根据特定需求规划出一条满足约束且路径代 价最小的路线，目前，利用蚁群算法完成复杂环境下的路径规划方法比比皆 是，大都是在栅格化环境之后，改变蚁群算法的相关参数进行寻优，只考虑 到蚁群自身因素影响，没有考虑到蚁群和环境的交互以及栅格环境的搜索策 略的限制，在搜索前期搜索速率较慢且易陷入局部最优，同时求得的最优路 径也局限于邻域搜索方法的限制而导致路径损耗，往往得不到最贴合实际的 最优路径。

发明内容

针对现有技术中存在蚁群算法在栅格化复杂地图中进行路径寻优时，前 期收敛速度较慢，易陷入局部最优，且局限于八邻域搜索方法的限制，导致 路径损耗，无法得到最优路径的问题，本发明提供基于蚁群算法的栅格路径 规划方法、系统、设备和存储介质，能够有效的提高蚁群搜索效率，减少路 径损耗且不易陷入局部最优。

本发明是通过以下技术方案来实现：

基于蚁群算法的栅格路径规划方法，其特征在于，包括以下步骤：

S1：将地图地形栅格化，分为障碍物栅格和非障碍物栅格，并得到和实 际环境对应的矩阵；

S2：向蚂蚁提供当前所在节点周围障碍节点的信息；

S3：每只蚂蚁均通过八领域搜索方式得到一次迭代最优路径后，利用模 拟退火算法在该路径添加随机扰动，直至搜索结束，得到八邻域最优路径；

S4：在八邻域最优路径基础上对其不相邻节点进行可视判断，连接所 有可视的节点，完成最优路径的更新。

进一步，所述步骤S1中的地图地形栅格化，障碍物栅格为1，非障碍 物栅格为0，得到实际环境对应0-1的矩阵。

进一步，所述步骤S2中，采用的蚂蚁状态转移概率公式为：

其中，A_j为蚂蚁当前位置周围的栅格数目，L_j为A_j里被禁行表记录的栅 格数，O_j为A_j里包含的障碍栅格数量。

进一步，所述步骤S3中得到最优路径的步骤为：

一次循环搜索时，蚂蚁按照步骤S1转移概率进行路径节点搜索，得到 当前循环最优路径；

引入模拟退火算法在最优路径节点集合中随机选取一个点作为扰动点， 在扰动点邻域找一个蚂蚁未选择的节点与之交换得到一个新的路径节点集合，

将新路径与原始路径对比，若优于原始路径，则用新路径代替原始路径， 若比原始路径差，则通过Mertopolis接受准则来决定是否接受新解，若接受， 则将其作为下一次迭代退火算法的初始路径解，并不替换本次最优路径，以 保证最优路径集合中存储的永远是最优解。

进一步，所述Mertopolis接受准则为：

t_k＝t₀gμ^k；

其中：f(j)、f(i)分别为扰动后新解和旧解的值，t_k为控制温度。

进一步，所述步骤S4中可视判断的具体步骤为：

将所有障碍物栅格的边当做线段的集合，判断两栅格点连线与障碍栅格 各个边是否有交点，若没有交点，则为可视，若有交点，则为不可视；

把可视判断转化为障碍边的集合和待检测两点构成的线段是否相交的问 题。

进一步，所述可视判断中采用向量叉乘的定理，在二维环境中，

的 结果为一个向量，若这个向量小于零，则

在

的顺时针方向，若大于零， 则

在

的逆时针方向，若等于0，表示

与

平行。

基于蚁群算法的栅格路径规划系统，包括：

地图栅格化模块，用于将地图地形栅格化，分为障碍物栅格和非障碍物 栅格，并得到和实际环境对应的矩阵；

信息供应模块，用于向蚂蚁提供当前所在节点周围障碍节点的信息；

路径计算模块，用于每只蚂蚁均通过八领域搜索方式得到一次迭代最优 路径后，利用模拟退火算法在该路径添加随机扰动，直至搜索结束，得到八 邻域最优路径；

路径更新模块，用于在八邻域最优路径基础上对其不相邻节点进行可视 判断，连接所有可视的节点，完成最优路径的更新。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在 所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机 程序时实现基于蚁群算法的栅格路径规划方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序， 其特征在于，所述计算机程序被处理器执行时实现基于蚁群算法的栅格路径 规划方法的步骤。

与现有技术相比，本发明具有以下有益的技术效果：

本发明提供了基于蚁群算法的栅格路径规划方法、系统、设备和存储介 质，首先给蚂蚁提供周围障碍点的信息，以提高蚁群搜索路径节点的效率， 避免无效搜索，同时在蚁群一次搜索得到最优路径后，利用模拟退火算法在 此次最优路径节点集合中随机取一个点添加扰动，判断新路径是否优于原始 路径，并以Mertopolis接受准则接受一部分差于原始解的节点，有效的避免 了蚁群陷入局部最优的情况，最后在蚁群得到八邻域最优路径解之后，判断 不相邻两节点是否可视，若可视则连接两节点并更新路径点集合，减少八邻域节点搜索导致的路径弯折损耗，得到更短更平滑的搜索结果，本申请更加 适应复杂环境下的路径寻优，距离更短、时间也更少，性能大大提高。

附图说明

图1为本发明具体实施例中基于蚁群算法的栅格路径规划方法流程图；

图2为本发明具体实施例中可视化判断流程图；

图3a为本发明具体实施例中可视化判断中节点扩展关系示意图；

图3b为本发明具体实施例中可视化判断中线段相交判断示意图；

图4为本发明具体实施例中当有7个障碍物的路径规划及收敛曲线图；

图5为本发明具体实施例中当有9个障碍物的路径规划及收敛曲线图；

图6为本发明具体实施例中当有11个障碍物的路径规划及收敛曲线图；

图7为本发明具体实施例中当有12个障碍物的路径规划及收敛曲线图；

图8为本发明具体实施例中三维路径结果图。

具体实施方式

下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明 的解释而不是限定。

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实 施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然， 所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获 得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第 一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后 次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本 发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外， 术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含， 例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于 清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明提供基于蚁群算法的栅格路径规划方法，包括以下步骤：

S1：将地图地形栅格化，分为障碍物栅格和非障碍物栅格，并得到和实 际环境对应的矩阵；

S2：向蚂蚁提供当前所在节点周围障碍节点的信息；

S3：每只蚂蚁均通过八领域搜索方式得到一次迭代最优路径后，利用模 拟退火算法在该路径添加随机扰动，直至搜索结束，得到八邻域最优路径；

S4：在八邻域最优路径基础上对其不相邻节点进行可视判断，连接所 有可视的节点，完成最优路径的更新。

进一步的，所述步骤S1中的地图地形栅格化，障碍物栅格为1，非障 碍物栅格为0，得到实际环境对应0-1的矩阵。

进一步的，所述步骤S2中，采用的蚂蚁状态转移概率公式为：

其中，A_j为蚂蚁当前位置周围的栅格数目，L_j为A_j里被禁行表记录的栅 格数，O_j为A_j里包含的障碍栅格数量。

进一步的，所述步骤S3中得到最优路径的步骤为：

一次循环搜索时，蚂蚁按照步骤S1转移概率进行路径节点搜索，得到 当前循环最优路径；

引入模拟退火算法在最优路径节点集合中随机选取一个点作为扰动点， 在扰动点邻域找一个蚂蚁未选择的节点与之交换得到一个新的路径节点集合，

将新路径与原始路径对比，若优于原始路径，则用新路径代替原始路径， 若比原始路径差，则通过Mertopolis接受准则来决定是否接受新解，若接受， 则将其作为下一次迭代退火算法的初始路径解，并不替换本次最优路径，以 保证最优路径集合中存储的永远是最优解。

进一步的，所述Mertopolis接受准则为：

t_k＝t₀gμ^k；

其中：f(j)、f(i)分别为扰动后新解和旧解的值，t_k为控制温度。

进一步的，所述步骤S4中可视判断的具体步骤为：

将所有障碍物栅格的边当做线段的集合，判断两栅格点连线与障碍栅格 各个边是否有交点，若没有交点，则为可视，若有交点，则为不可视；

把可视判断转化为障碍边的集合和待检测两点构成的线段是否相交的问 题。

进一步的，所述可视判断中采用向量叉乘的定理，在二维环境中，

的结果为一个向量，若这个向量小于零，则

在

的顺时针方向，若大于零， 则

在

的逆时针方向，若等于0，表示

与

平行。

本发明提供的一种优选实施例为，本发明在基本蚁群算法的基础上，给 蚂蚁提供周围障碍节点的信息，避免无效搜索，提高蚁群搜索效率，同时与 模拟退火算法相结合，在蚁群算法搜索得到的最优路径上添加扰动，并以一 定概率接受较差解，防止系统陷入局部最优，最后在得到的八邻域最优解的 基础上，引入可视概念，如图1所示，常见八邻域搜索方法得到的路径如线 段ABC，弯折较多，我们引入可视概念，直接连接点A和点C，且线段AC之间没有障碍物阻挡，称之为可视，反之若像线段AD则称之为不可视，大 大减少路径弯折损耗，针对这部分的具体实现我们可以构造出如图2所示， 判断线段AB和线段CD是否相交，连接AC构成

连接AD构成

将

和

分别与AB构成的向量进行叉乘运算，若两个运算结果为异号，则表 明C和D处在直线AB的两边，接着再以相同的方法证明A、B在直线CD的两边， 就可以证明线段AB和线段CD相交。因此，我们将所有障碍物栅格的边当 做线段的集合，可视判断就转化为障碍边的集合和待检测两点构成的线段是 否相交的问题了。

具体的，首先建立栅格环境模型，在MATLAB中利用栅格矩阵生成 20*20规模大小的含障碍物栅格地图，初始化蚁群数量和最大迭代次数分别 为50和200，初始化信息素影响因子α＝1,启发函数因子β＝6.8，初始化退火 算法的初始温度t₀＝1000，μ＝0.96。选择不同障碍物数量对算法进行验证；

每只蚂蚁按照转移概率并以八邻域方向进行路径选择，记录此次循环每 一只蚂蚁寻得的路径长度PL，并进行路径排序得到本次迭代的最优解，利 用退火算法加入扰动，若新路径优于原始路径，则替换原始最优解，转到步 骤5，若新路径差于原始最优解，则利用Mertopolis接受准则决定是否接受 该较差解，若接受，则将此较差解作为下一次退火算法迭代的初始路径，本 次迭代不做替换；

判断退火算法是否达到终止条件，若未达到则降温后按照上一步中描述 继续进行扰动，若达到终止条件，则将此次最优路径作为本次迭代的最优解， 之后对路径上信息素按照更新公式进行更新，接着继续下一次蚁群迭代，直 到完成蚁群算法的第K次迭代；

进而得到八邻域最优路径，保存最优路径节点集合R，从第一个节点R₁开始，判断R₁和它不相邻的R₃是否可视，若可视，继续判断R₁和R₄，直到R₁和R_i判断为不可视时，连接R₁和R_(i-1)，求出两者之间距离，并更新路径节点 和长度；若R₁和R₃不可视，则继续判断R₂和它不相邻的R₄是否可视，如此， 直到完成所有节点的检测；得到更新后的最优路径。

本发明提供的一种优选实施例为，图4、图5和图6所示，其分别是有 7个、9个、11个障碍物时，算法后得到的结果图，此时算法前后得到的路 径结果相同，只有收敛时间上存在差异；

但是当障碍物个数增加到12个时，如图7所示，本方法得到的路径结 果相较于现有技术中的路径结果短了1.4142个单位长度，迭代次数少了119 次，接着在得到的最优路径上，进行搜索策略的改进，判断当前最优路径不 相邻节点之间是否可视，若可视则直接相连并更新最优路径，若不可视则继 续判断下一对不相邻节点，直到当前最优路径节点判断完毕，得到更新后的 最优路径，改进搜索策略后的得到的路径更加平滑，距离也更短，验证完改 进蚁群算法的可行性后，在三维环境中进行仿真验证，得到结果如图8所示， 可以看到按照本申请搜索得到的路径更加平滑且路径损耗更少，更加符合复 杂环境下的路径规划。

本发明提供基于蚁群算法的栅格路径规划系统，包括：

地图栅格化模块，用于将地图地形栅格化，分为障碍物栅格和非障碍物 栅格，并得到和实际环境对应的矩阵；

信息供应模块，用于向蚂蚁提供当前所在节点周围障碍节点的信息；

路径计算模块，用于每只蚂蚁均通过八领域搜索方式得到一次迭代最优 路径后，利用模拟退火算法在该路径添加随机扰动，直至搜索结束，得到八 邻域最优路径；

路径更新模块，用于在八邻域最优路径基础上对其不相邻节点进行可视 判断，连接所有可视的节点，完成最优路径的更新。

本发明再一个实施例中，提供了一种计算机设备，该计算机设备包括处 理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程 序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器 可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处 理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field- Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶 体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适 于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或 一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理 器可以用于基于蚁群算法的栅格路径规划方法的操作。

本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机 可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆 设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既 可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持 的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终 端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的 一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速 RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少 一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条 或一条以上指令，以实现上述实施例中有关基于蚁群算法的栅格路径规划方 法的相应步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或 计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、 或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个 其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘 存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序 产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程 图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流 程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算 机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使 得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现 在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功 能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设 备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器 中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或 多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上， 使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的 处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图 一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对 其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技 术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或 者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不 使相应技术方案的本质脱离本发明实施例技术方案的范围。

Claims (10)

1.基于蚁群算法的栅格路径规划方法，其特征在于，包括以下步骤：

S1：将地图地形栅格化，分为障碍物栅格和非障碍物栅格，并得到和实际环境对应的矩阵；

S2：向蚂蚁提供当前所在节点周围障碍节点的信息；

S3：每只蚂蚁均通过八领域搜索方式得到一次迭代最优路径后，利用模拟退火算法在该路径添加随机扰动，直至搜索结束，得到八邻域最优路径；

S4：在八邻域最优路径基础上对其不相邻节点进行可视判断，连接所有可视的节点，完成最优路径的更新。

2.根据权利要求1所述基于蚁群算法的栅格路径规划方法，其特征在于，所述步骤S1中的地图地形栅格化，障碍物栅格为1，非障碍物栅格为0，得到实际环境对应0-1的矩阵。

3.根据权利要求1所述基于蚁群算法的栅格路径规划方法，其特征在于，所述步骤S2中，采用的蚂蚁状态转移概率公式为：

其中，A_j为蚂蚁当前位置周围的栅格数目，L_j为A_j里被禁行表记录的栅格数，O_j为A_j里包含的障碍栅格数量。

4.根据权利要求3所述基于蚁群算法的栅格路径规划方法，其特征在于，所述步骤S3中得到最优路径的步骤为：

一次循环搜索时，蚂蚁按照步骤S1转移概率进行路径节点搜索，得到当前循环最优路径；

引入模拟退火算法在最优路径节点集合中随机选取一个点作为扰动点，在扰动点邻域找一个蚂蚁未选择的节点与之交换得到一个新的路径节点集合，

将新路径与原始路径对比，若优于原始路径，则用新路径代替原始路径，若比原始路径差，则通过Mertopolis接受准则来决定是否接受新解，若接受，则将其作为下一次迭代退火算法的初始路径解，并不替换本次最优路径，以保证最优路径集合中存储的永远是最优解。

5.根据权利要求4所述基于蚁群算法的栅格路径规划方法，其特征在于，所述Mertopolis接受准则为：

t_k＝t₀gμ^k；

其中：f(j)、f(i)分别为扰动后新解和旧解的值，t_k为控制温度。

6.根据权利要求1所述基于蚁群算法的栅格路径规划方法，其特征在于，所述步骤S4中可视判断的具体步骤为：

将所有障碍物栅格的边当做线段的集合，判断两栅格点连线与障碍栅格各个边是否有交点，若没有交点，则为可视，若有交点，则为不可视；

把可视判断转化为障碍边的集合和待检测两点构成的线段是否相交的问题。

7.根据权利要求1所述基于蚁群算法的栅格路径规划方法，其特征在于，所述可视判断中采用向量叉乘的定理，在二维环境中，

的结果为一个向量，若这个向量小于零，则

在

的顺时针方向，若大于零，则

在

的逆时针方向，若等于0，表示

与

平行。

8.基于蚁群算法的栅格路径规划系统，其特征在于，基于权利要求1-7所述任一项基于蚁群算法的栅格路径规划方法，包括：

地图栅格化模块，用于将地图地形栅格化，分为障碍物栅格和非障碍物栅格，并得到和实际环境对应的矩阵；

信息供应模块，用于向蚂蚁提供当前所在节点周围障碍节点的信息；

路径计算模块，用于每只蚂蚁均通过八领域搜索方式得到一次迭代最优路径后，利用模拟退火算法在该路径添加随机扰动，直至搜索结束，得到八邻域最优路径；

路径更新模块，用于在八邻域最优路径基础上对其不相邻节点进行可视判断，连接所有可视的节点，完成最优路径的更新。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述基于蚁群算法的栅格路径规划方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述基于蚁群算法的栅格路径规划方法的步骤。

Images